买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉云南大学申请的专利一种高原地区儿童心电图预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116602688B 。

龙图腾网通过国家知识产权局官网在2025-08-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310631763.5，技术领域涉及：A61B5/318；该发明授权一种高原地区儿童心电图预测方法是由赵娜;李小鹏;闵杰青;马耀飞;王浩;杨胜龙;杜金泽;刘铠华;熊妮菲;李平周;黄群芳;周欣元设计研发完成，并于2023-05-31向国家知识产权局提交的专利申请。

本一种高原地区儿童心电图预测方法在说明书摘要公布了：本发明公开一种高原地区儿童心电图预测方法，属于心电图预测技术领域，包括：将待测高原地区儿童心电图输入预先训练获得的Stacking集成模型，输出待测高原地区儿童心电图对应的预测结果；其中，待测高原地区儿童心电图对应的预测结果包括心电图正常、窦性心动过快、窦性心动过缓以及其他心律失常；预先训练获得Stacking集成模型，包括：获取主流机器学习模型；利用遗传算法筛选主流机器学习模型，获得基分类器组合；利用基分类器组合和元分类器，构建Stacking集成模型；利用训练集对Stacking集成模型进行迭代训练，获得训练完成的Stacking集成模型。本发明使用改进的遗传算法解决了stacking中选择基学习器的困难，从而得到了性能更为优异的模型。

本发明授权一种高原地区儿童心电图预测方法在权利要求书中公布了：1.一种高原地区儿童心电图预测方法，其特征在于，包括： 将待测高原地区儿童心电图输入预先训练获得的Stacking集成模型，输出待测高原地区儿童心电图对应的预测结果；其中，待测高原地区儿童心电图对应的预测结果包括心电图正常、窦性心动过快、窦性心动过缓以及其他心律失常； 预先训练获得Stacking集成模型，包括： 获取主流机器学习模型； 利用遗传算法筛选主流机器学习模型，获得基分类器组合，包括： 初始化第i个种群，随机生成第i个种群的预设数量的个体，赋值交叉率和变异率，i为整数； 基于基分类器组合的概率权重，随机选择基分类器组合中的主流机器学习模型，得到基分类器组合的二进制编码； 将基分类器组合的二进制编码作为个体的染色体； 计算每个个体对应的基分类器组合的五折交叉验证分数，包括： 获取基分类器数据集，其中基分类器数据集均包括历史高原地区儿童心电图，以及心电图正常或心电图异常； 将数据集等量划分为5个子集，选择1个子集作为基分类器验证集，剩余的4个子集作为基分类器训练集； 利用基分类器训练集迭代训练基分类器组合，获得训练完成的基分类器组合； 将基分类器验证集输入训练完成的基分类器组合，输出心电图正常或心电图异常； 计算心电图正常正确预测的数量、心电图正常错误预测的数量、心电图异常正确预测的数量和心电图异常错误预测的数量； 基于心电图正常正确预测的数量、心电图正常错误预测的数量、心电图异常正确预测的数量和心电图异常错误预测的数量，计算F1值； 判断5个子集是否都被作为过基分类器验证集，若否则从5个子集中筛选没有被作为基分类器验证集的一个子集，并将该子集作为基分类器验证集，进入“利用基分类器训练集迭代训练基分类器组合，获得训练完成的基分类器组合”步骤，若是则输出获得5个F1值； 计算5个F1值的平均值，并作为每个个体对应的基分类器组合的五折交叉验证分数； 将五折交叉验证分数作为个体的适应度分数阈值； 基于个体的适应度分数阈值，利用锦标赛法筛选第i个种群中的个体，获得适应度高于适应度分数阈值的个体； 对交叉率和变异率进行调整，对适应度高于适应度分数阈值的个体进行交叉和变异操作，生成第i+1个种群的个体； 利用第i+1个种群的个体替换第i个种群的个体，获得第i+1个种群； 判断i+1是否达到预设阈值R，若i+1未达到预设阈值则利用第i+1个种群替换第i个种群，进入“基于基分类器组合的概率权重，随机选择基分类器组合中的主流机器学习模型，得到基分类器组合的二进制编码”步骤； 计算第i+1个种群中所有个体的适应度，筛选获得适应度最高的个体，输出适应度最高的个体对应的基分类器组合； 对交叉率和变异率进行调整，包括： 若（i+1）2小于预设阈值R，且第i+1个种群的平均适应度高于第i个种群的平均适应度，则利用自适应动态调整法下调交叉率和变异率； 若（i+1）2小于预设阈值R，且第i+1个种群的平均适应度得分低于第i个种群的平均适应度，则利用自适应动态调整法上调交叉率和变异率； 若（i+1）2大于或等于预设阈值R，则利用线性递减法，使交叉率和变异率分别逐渐降低到最小值； 若（i+1）2大于或等于预设阈值R，且第i+1个种群的平均适应度得分和第i个种群的平均适应度得分的差值大于设定下降阈值，则当第i+1个种群的平均适应度高于第i个种群的平均适应度，则利用自适应动态调整法下调交叉率和变异率，当第i+1个种群的平均适应度得分低于第i个种群的平均适应度，则利用自适应动态调整法上调交叉率和变异率； 利用基分类器组合和元分类器，构建Stacking集成模型； 利用训练集对Stacking集成模型进行迭代训练，获得训练完成的Stacking集成模型； 主流机器学习模型，包括K-NN方法、LR方法、SVM方法、DT方法、RF方法、ET方法、GNB方法、AdaBoost方法、GBDT方法、XGBoost方法、LightGBM方法和CatBoost方法。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人云南大学，其通讯地址为：650500 云南省昆明市呈贡区大学城东外环南路；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。